Цветовые шкалы - это все в визуализации данных - эффективно ли вы их используете?

https://bit.ly/38Z6daw

23 ноября стартует завершающий поток «КЛИК-Интенсив» 2020 года!

Бесплатная программа повышения квалификации по управлению на основе данных! Научись работать с данными, которые помогут найти свою нишу в бизнесе.

Вас ждёт полное двухнедельное погружение в мир Big data - секреты и практики визуализации данных, методы машинного обучения и технологии «умных городов».

Подпишись и следи за новостями:
https://news.1rj.ru/str/clickcdo

Ссылка для регистрации на интенсив:
https://bit.ly/2Kqevy7

В этой статье представляется новый тест для вывода на естественном языке, в котором отрицание играет решающую роль. Также показывается, что современные трансформеры с трудом выносят заключения с помощью новых пар.

https://bit.ly/36SJr1y

23 и 24 ноября Факультет компьютерных наук НИУ ВШЭ планирует несколько интересных лекций и карьерных мероприятий. Приходите сами и зовите друзей.

23 ноября

📌17:00. Surprizing properties of loss landscapes in deep neural networks — Дмитрий Ветров, ФКН ВШЭ.
📌18:00. Data labelling on a large scale Must-have expertise of modern AI specialist” — Ольга Мегорская, Яндекс.
📌19:00. Обсуждение задачи финальной части IDAO 2020 вместе с Дмитрием Свирчковым, QIWI.

Трансляция будет здесь: https://youtu.be/tJrFhruCQiE

24 ноября

📌17:00: Incorporating Systematic Uncertainties in Supervised Classification — Томассо Дориджо, Национальный институт ядерных исследований – Падуя.
📌18:00. Мифы и реальность датасаенс проектов: секреты развития для успешной DS карьеры — Лидия Храмова, QIWI.
📌19:00. Какие навыки нужны при работе с ML в продакшн в Яндексе — Сергей Юдин, Яндекс.

Трансляция будет здесь: https://youtu.be/eb3hW6CHX68

Быстрый 3D захват движений рук и тела по регрессии и интеграции.

https://bit.ly/3ffNdWl

Инструмент, основанный на модели, для описания и диагностики наборов данных.

https://bit.ly/2UF3jj3

Google выпустила 15 тысяч роликов разных предметов с метаданными — по ним можно тренировать алгоритмы машинного обучения лучше распознавать 3D-объекты.

https://bit.ly/3985wfn

Удобные фрагменты Python для более чистого кода.

https://bit.ly/35Z0uQ4

Исследователи из Массачусетского технологического института и Гарвардского университета разработали для нейронной сети быстрый способ обработки данных и вывода не только прогнозов, но и уровня достоверности модели на основе качества доступных данных.

Прогресс может спасти жизни, поскольку глубокое обучение уже сегодня внедряется в реальный мир. Уровень уверенности в сети может быть разницей между автономным транспортным средством, определяющим, что «все ясно, проехать через перекресток» и «вероятно, ясно, поэтому остановитесь на всякий случай».

https://bit.ly/39hOewq

Создавайте быстрые и мощные графические интерфейсы с помощью «Dear PyGui» в Python.

https://bit.ly/3mazl2g

Когнитивная модель Sample, Simulate, Update, разработанная исследователями Массачусетского технологического института, учится использовать инструменты, как люди.

https://bit.ly/363Xt0T

Интересная презентация от Google Research, Университета Вашингтона и UWNLP на тему "Высокоэффективная языковая обработка".

https://bit.ly/3fPBgY0

#top@datamining.team

Команда Data Mining предлагает вам ознакомиться с ТОП-5 постами за ноябрь:

1) Подборка правильных шпаргалок (cheatsheet) по R, python, SQL и анализу данных.

https://vk.com/wall-94208167_4876

2) 11 способов применения функции к каждой строке в фрейме данных Pandas.

https://vk.com/wall-94208167_4858

3) Использование Python для анализа ситуации на финансовом рынке.

https://vk.com/wall-94208167_4856

4) Подборка курсов машинного обучения и анализа данных.

https://vk.com/wall-94208167_4848

5) Эффективные датасэты с открытым доступом в PyTorch, TensorFlow, NumPy и Pandas.

https://vk.com/wall-94208167_4863

Преобразование текста в изображение на основе детального анализа внимания пользователя.

https://bit.ly/37dSwlG

Сокращение массивных нейронных сетей, используемых для моделирования языка.

https://bit.ly/39EDesY

В этой статье используется недавно представленное преобразование entmax для обучения и выборки из изначально разреженной языковой модели.

https://bit.ly/3g9piIw

Нейробиологи нашли способ улучшить работу моделей распознавания объектов.

https://bit.ly/3omGYDK

Один Python не поможет вам получить работу в области науки о данных. В науке о данных есть нечто большее, чем Python и его библиотеки.

https://bit.ly/2JHkQVB

Гиперпараметры: как перестать беспокоиться и начать их оптимизировать.

https://bit.ly/39HauA2

Универсальное исследование, посвященное обзорам в DL. Там можно найти интересующий вас обзор.

https://bit.ly/36T0TEh